WhimRead 需要 JavaScript 才能使用站内搜索。
Whim
Read
随手一翻
发现
全部工具
推荐
惊喜
关于
搜索
English
模型
MOSS-Transcribe-Diarize
OpenMOSS/MOSS-Transcribe-Diarize
开源
0.9B 端
到
端音
频理
解模型,
支持
50
多
种
语言
的
长音
频
转写、
说话
人
分离、
时间
戳
和
声学
事件
标注,
附带
推理
代码、
字幕 Web
应用
与
微调
指南。
去 GitHub 看仓库
复制链接
标签
audio
multilingual
speaker-diarization
speech-recognition
subtitles
transcription
同类项目
MOSS-TTS
4.3k
开源长
语音
与
对话
合成模型
家族,
支持
多
语
克隆、
实时
流式
与
音效生成,
需自行
下载
部署。
Fun-ASR
1.6k
通义
实验室
开源
的
端到
端语
音识
别模型
家族,
覆盖
中
文方
言口音
与
31
种
语言,
提供
多
种
推理
方案。
SALMONN
1.6k
字节
跳动
的
多
模态
大语言模型
系列,
覆盖
语音、
音频
与
音视
频理解,
并
开源
模型
权重
与
推理
训练
代码。
CrisperWhisper
1.5k
面
向
逐字
转写
的
多语
言语
音识
别模型,
支持
逐字
/意
图双
模式
与
词级
时间
戳,
并
提供
推理
代码
与
权重。
FunASR
21k
工业
级
语
音识
别工
具包,
覆盖
训练、
推理、
流式
ASR、
VAD、
标点、
说话
人
分离
及OpenAI
兼容
服务
部署。
speechbrain
11.9k
基于
PyTorch
的
会话式
AI语
音工
具包,
提供
两
百
余
种
语音
文本
任务
训练
配方
与
预训
练
模型。
2258
audio,multilingual,speaker-diarization
开源 0.9B 端到端音频理解模型,支持 50 多种语言的长音频转写、说话人分离、时间戳和声学事件标注,附带推理代码、字幕 Web 应用与微调指南。
←
上一个
esp32_nat_router
下一个
→
FarManager